摘要：
Spatially Sparse Convolution 导言 为什么需要稀疏化？ 在3D表示中，除了点云（Point Cloud）和网格模型（Mesh），我们常常还会使用到一种称为体素（Voxel）的表示方式。类似于像素（Pixel），这种表示方式将空间均匀地切割为一个个方块，TSDF和占据网格（ 阅读全文
摘要：
Farthest Point Sampling 及其 CUDA 实现 目录Farthest Point Sampling 及其 CUDA 实现概述均匀随机采样Farthest Point SamplingFarthest Point Sampling 的并行版本参数初始化子集计算子集归并 概述 在深 阅读全文
摘要：
目录目标检测 | Point Cloud RoI PoolingPoint Cloud RoI Pooling 概述PoolingRoI PoolingPoint Cloud RoI PoolingPoint Cloud RoI Pooling 实现细节 目标检测 | Point Cloud RoI 阅读全文
摘要：
公用服务器配置个人工作仓库 有一些服务器需要多个用户进行访问，但是ssh账号和工作空间又只有一个，同时又不希望和这个ssh账号下的所有用户共享git账号，可以通过配置代码库本地ssh密钥以实现工作空间隔离。 生成并配置密钥 首先登录服务器，进入路径~/.ssh 输入以下命令以生成ssh密钥对 ssh 阅读全文
摘要：
一种基于虚拟摄像头、NDI、OBS以及yolo的多机视觉目标检测方案 绪论 近来为了实现某种实时展示效果，笔者希望通过一套方案实现在两台主机上分别运行仿真平台以及视觉深度学习算法。透过对当下较为流行的几种方案的调研，笔者最后决定了采用OBS采集并透过NDI协议在局域网内进行广播，再将NDI推到虚拟摄 阅读全文
摘要：
L4-Intro to Differential Privacy 拉普拉斯机制（Laplace Mechanism） 上一节课中，我们讨论了随机响应，这是一种适合于单个位的隐私化。这种算法一般来说并不直接也误差较大。今日所关注的是拉普拉斯机制，可以直接应用于任意一种类型的数字查询。在引入拉普拉斯机制 阅读全文
摘要：
L3-Intro to Differential Privacy 从这节课开始就要介绍差分隐私算法了。 随机响应（Randomized Response） 场景提出 假若你是某一门课的教授，你希望统计一门课有多少学生作弊。显然你通过直接的问卷派发手段，学生不太可能会老老实实地上交真实答案。为此我们需 阅读全文
摘要：
L2-Reconstruction Attacks 本节课的目的在于正式地讨论隐私，但是我们不讨论算法本身有多隐私，取而代之去讨论一个算法隐私性有多么的不可靠。并且聚焦于 Dinur 与 Nissim 在论文所提出的一些启发差分隐私的理论。 同时，我们会重点分析一种称为重构攻击（Reconstruc 阅读全文
摘要：
L1-Some Attempts at Data Privacy 本随笔基于Gautam Kamath教授的系列课程：CS 860 - Algorithms for Private Data Analysis - Fall 2020 本课的目的在于介绍一些信息加密的失败案例，介绍一些数据隐私安全的基 阅读全文
摘要：
最近有关于图形学的授课，教授开始布置的上机打码的代码实现作业了。虽说教授为了让我们省心，直接就整了个环境已经配置好的几个G的虚拟机给我们用。但是你也懂的，虚拟机打码，卡得要命。一开始还以为会用到什么高级的库，看了下就是个Eigen3和Opencv，对于Opencv，感觉自己手动在本地配一个就OK了。在配置的过程中才发现这玩意坑是尼玛的多，而且还是不带附加件的情况下，因此本篇博客应然而生。 阅读全文